머신러닝을 활용한 경험적 자산가격 모델링

오늘의 논문

원문 보기 문헌연구

RESEARCH PAPER 경영·경제 Crossref 실존 확인 2026-09-03 회차 지난 회차

머신러닝을 활용한 경험적 자산가격 모델링

Empirical Asset Pricing via Machine Learning

Shihao Gu, Bryan Kelly, Dacheng Xiu · Review of Financial Studies · 2020년 · 조회 19

왜 이 논문인가 — 선정 기준

RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수

2020-02 발표 · 피인용 2,434회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 70개

RESEARCH PAPER 슬롯에 선정된 이유는 2020년 발표 이후 2,434회 인용되어 분야 평균 대비 인용 영향력이 매우 높으며, 동년 논문 중 인용 상위 1%에 해당해 후속 연구에 큰 참고 가치를 제공하기 때문이다.

논문 요약

본 논문은 경험적 자산가격 책정—특히 위험 프리미엄 측정—문제에 대해 다양한 머신러닝 기법을 비교하였다. 트리 기반 모델과 신경망이 기존 회귀 모델을 능가하여 투자자에게 큰 경제적 이익을 제공했으며, 경우에 따라 성과가 두 배로 향상되었다. 이러한 개선은 비선형 변수 상호작용을 포착할 수 있는 능력에 기인한다. 모든 모델이 모멘텀, 유동성, 변동성 등 동일한 주요 예측 신호를 강조하였다.

후속 연구설계에 활용하기

후속 연구에서는 트리 모델이나 신경망을 적용해 비선형 예측 변수를 포함하고, 논문에서 확인된 모멘텀·유동성·변동성 신호를 주요 설명 변수로 활용할 수 있다.

핵심어

머신러닝자산가격위험프리미엄비선형 예측

실존 확인

이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다. SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.

DOI: 10.1093/rfs/hhaa009

2026-09-03 확인 · 2026-09-03 선정

머신러닝을 활용한 경험적 자산가격 모델링

왜 이 논문인가 — 선정 기준

논문 요약

후속 연구설계에 활용하기

핵심어

실존 확인

같은 회차의 다른 논문